Python developer állás, munka

• LLM-, RAG- és agentikus AI-megoldások fejlesztése, tesztelése és értékelése.
• Coding agent skillek, MCP-szerverek és többlépéses workflow-k kipróbálása; tapasztalattól függően agent harness komponensek fejlesztése.

• End-to-end LLM-, RAG- és agentikus AI-megoldások megtervezése, fejlesztése, tesztelése és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, promptkomponensek, subagentek és többlépéses workflow-k kialakítása; agent harness komponensek fejlesztése.

• A DevOps-csapat koordinálása és vezetése
• A platform stabil üzemeltetésének biztosítása
• A meglévő Terraform-scriptek karbantartása és továbbfejlesztése
• Egyeztetés a platformcsapattal és a kapcsolódó csapatokkal
• A csapatmunka szervezése Jira-ban és Confluence-ben

• Adat töltések fejlesztése
• Mesterséges intelligencia modellek fejlesztésében részvétel
• Alkalmazás fejlesztésekben részvétel

• Komplex LLM-, RAG- és agentikus AI-megoldások célarchitektúrájának megtervezése, szakmai irányítása és produkciós bevezetése.
• Coding agent skillek, MCP-szerverek, agent harness és runtime komponensek, routing-, memory-, tool- és evaluációs megoldások kialakítása.

• Egyedi webes alkalmazások fejlesztése változatos projekteken
• Új felhasználói funkciók fejlesztése TypeScript használatával
• Komponensek és frontend könyvtárak építése jövőbeni felhasználásra
• Prototípus fejlesztésekben részvétel
• Backend oldali fejlesztésben részvétel

• IT infrastruktúra architektúra jövőkép kialakítása
• IT stratégia megalkotásában való részvétel
• IT megoldás architektúrák megtervezése
• IT megoldás architektúrák véleményezése
• IT megoldás architektúrák kontrollja
• Új technológiák felderítése
• Új technológiák bevezetése
• Elavult technológiák kivezetése

Agentic AI development: Design and implement autonomous and semi-autonomous AI workflows, including planning, task execution, tool integration, context management, and fault recovery....

• AI és AI agent alapú megoldások architektúrájának tervezése és felügyelete
• Üzleti igények felmérése, a megfelelő AI-megközelítés kiválasztása
• Prototípusok, PoC-k tervezése és bemutatása, a visszajelzések beépítése
• AI megoldások integrálása a meglévő vállalati rendszerekhez és adatforrásokhoz

• Elosztott rendszerek, mikroszervizek és felhőalapú infrastruktúrák teljes körű observability-jének kiépítése
• Teljesítmény, elérhetőség és stabilitás javítása cutting-edge eszközökkel és módszertanokkal
• Nagyvállalati környezetben előforduló problémák feltérképezése, hibakeresés és dokumentáció

• Designing, developing, and evaluating machine learning models on complex telecom and retail data
• Transforming high-volume datasets into production-ready solutions such as churn prediction models and point-of-sale fraud models

• Supporting business and marketing decisions with data-driven solutions
• Developing predictive models such as churn scoring to drive retention offers and product propensity scoring
• Translating business needs into actionable ML and AI solutions across marketing, customer care, and network operations

• Adatforrások integrálása a vállalat új Data Lakehouse platformján
• Adatbetöltési folyamatok fejlesztése a Data Lakehouse platformon
• Skálázható adatfeldolgozó folyamatok fejlesztése és optimalizálása
• Adattranszformációk fejlesztése és optimalizálása

• Analysis of requirements and decomposition into logical segments for test case design
• Creation and maintenance of functional test cases
• Maintenance of test cases according to changing requirements
• Creation and maintenance of Vector VT system wiring diagrams and automated test scripts